本文以 GRU 模型为基础，通过融合多种模型、数据类型和时间跨度，较为显著地提升了股票收益的预测效果。

多模型融合提升预测准确性。GRU 模型具备很强的处理数据中长期依赖关系的能力，故被广泛应用于时间序列的预测。进一步引入双层 GRU、

CNN-GRU 和 Attention-GRU 等变体后，我们能更全面地捕捉数据中的信息，从而提高预测精度。其中，双层 GRU 可以增加网络深度、CNN-GRU 则利用了卷积神经网络的局部特征提取能力，Attention-GRU 通过自注意力机制缓解了信息遗忘问题。多模型的融合，有望使最终的预测结果变得更加稳定和准确。

多类型数据融合拓宽信息来源。资金流数据追踪资金在市场中的流动，是反映市场情绪的重要指标。分钟频数据提供细粒度的价格和交易量变化，是投资者行为的直接体现。衍生高频因子通过加工价量数据，多角度刻画市场的微观结构。多类型数据的融合，拓宽了模型的数据来源，试图纳入更加全面的市场信息。

多时间跨度增强模型的鲁棒性。输入特征的时间跨度不仅在一定程度上决定着模型的风格偏好，而且也是灵敏性和鲁棒性的取舍。回测发现，用 1、2、3 年的数据作为模型输入，所得因子的相关性不到 0.5。多时间跨度的融合，或可捕捉短、中、长期的市场规律，增强模型对不同市场周期的适应能力。

将数据类型、模型形式和时间跨度下的因子等权集成，得到最终的融合因子。其 10 日 Rank IC 为 0.131，ICIR 为 1.216，IC>0 比率为 89.8%，这些指标与 10 分组单调性均优于按单一模型、单一数据和单一跨度的集成因子。

将多模型、多数据、多跨度融合的深度学习 GRU 因子用于收益预测，以最大化预期收益为目标函数，求解带约束的优化问题，得到不同指数的增强组合。2014.12-2024.05，沪深 300 指数增强组合年化超额收益为 12.9%，跟踪误差为 5.0%；中证 500 指数增强组合年化超额收益为 15.2%，跟踪误差为5.5%；中证1000指数增强组合年化超额收益为21.7%，跟踪误差为6.4%。

简单的回测表明，至少在 24 年上半年，严格控制风险因子的暴露，仍可通过深度学习因子收获一定幅度的超额收益。2024 年上半年，市场波动较大，小市值风格的回撤尤为明显，融合因子表现平平。尤其是 2024 年 2 月，各成分股内，因子的 Rank IC 和多空收益都显著为负。我们认为，深度学习类因子的alpha或依然存在，但其在某些风格因子上的beta风险才是决定性的。

风险提示：模型失效风险，市场风格变化风险，数据测算误差风险。 证

索引内容目录

一、 引言 .......... 4

二、 深度学习模型简介 .......... 4

三、 GRU 因子的构建与融合 .......... 5

3.1 资金流 GRU 因子 .......... 6

3.1.1 资金流类因子 .......... 6

3.1.2 资金流 GRU 因子及其集成.......... 7

3.2 分钟频 GRU 因子 .......... 9

3.3 衍生高频 GRU 因子 .......... 11

3.3.1 衍生高频因子 .......... 11

3.3.2 衍生高频 GRU 因子及其集成 .......... 13

3.4 多模型与多数据的融合 .......... 15

四、 指数增强组合 .......... 18

4.1 沪深 300 指数增强 .......... 18

4.2 中证 500 指数增强 .......... 19

4.3 中证 1000 指数增强 .......... 20

五、 2024 年融合因子表现回顾 .......... 21

六、 总结与讨论 .......... 23

七、 风险提示 .......... 24

图表目录

图 1：GRU 系列模型池 .......... 5

图 2：资金流 GRU 因子各期及累计 Rank IC .......... 8

图 3：资金流 GRU 因子与 Barra 因子相关性 1 .......... 8

图 4：资金流 GRU 因子与 Barra 因子相关性 2 .......... 8

图 5：分钟频 GRU 因子各期及累计 Rank IC .......... 10

图 6：分钟频 GRU 因子与 Barra 因子相关性 1 .......... 11

图 7：分钟频 GRU 因子与 Barra 因子相关性 2 .......... 11

图 8：衍生高频 GRU 因子各期及累计 Rank IC .......... 14

图 9：衍生高频 GRU 因子与 Barra 因子相关性 1 .......... 14

图 10：衍生高频 GRU 因子与 Barra 因子相关性 2 .......... 14

图 11：融合因子各期及累计 Rank IC .......... 16

图 12：融合因子与 Barra 因子相关性 1 .......... 16

图 13：融合因子与 Barra 因子相关性 2 .......... 16

因篇幅限制，仅展示部分，更多重要内容、核心观点，请下载报告。